python-正则

目录

Python正则表达式RE库

re库常用正则匹配方法

compile创建正则对象

元字符（metacharacters）

匹配单字符

修饰元字符

限定边界的元字符

贪婪模式与非贪婪模式

正则编译方式：表达修饰符

其他方法

---

用来匹配字符的一种规则，通过其中的规则选择验证判断及操作符合预期结果的字符，编程语言基本上都适用这套规则，在python中使用正则表达式是只要导入re库即可（python自带re库，不需要额外的安装）

Python官网正则表达式：https://docs.python.org/3/howto/regex.html

pythonRE库：https://docs.python.org/3/library/re.html#re-syntax

正则表达式验证： https://regex101.com/

3：正则表达式；4：可以添加匹配的过滤规则；5：匹配的字符内容

在右边功能栏中有匹配的结果信息。

Python正则表达式RE库

re库常用正则匹配方法

findall() ：查找与re匹配的所有子字符串，并将匹配到的对象作为列表返回

finditer() : 查找与re匹配的所有子字符串，并将匹配到的对象作为迭代器返回

match() ：从字符串的起始位置匹配，如果匹配成功，则返回一个匹配对象，没有匹配成功时返回一个None值。（只能是匹配起始位置）

search()：同match()方法，不同于前者的是匹配字符串任何位置上的第一个对象。

 

对于使用match()和search()方法返回的对象可以用一些方法得到这个对象匹配信息：

group()：返回与re匹配的子字符串

span()：返回匹配到的子字符串在源字符串中的索引位置区间（左闭右开）

start()：返回匹配到的子字符串在源字符串中的起始索引

end()：返回匹配到的子字符串在源字符串中的结束位置（索引+1）

import re

z = 'hello jia @456'

# m1和m2用来验证match()方法只能匹配到起始位置上的子字符串
m1 = re.match(r'el',z)
m2 = re.match(r'hel',z)
print(m1)
print(m2);print(m2.group());print(m2.start())
print(m2.end());print(m2.span())

s = re.search(r'ell',z)
print(s);print(s.group());print(s.span())
print(m2.start());print(s.end())

  

import re

z = 'hello jia @456'
# findall()匹配所有的子字符串并以列表返回
f = re.findall(r'l',z);print(f)
# findall()匹配所有的子字符串并以迭代器返回
fi = re.finditer(r'l',z)
print(fi);print(next(fi));print(next(fi))

  

compile创建正则对象

对于一些固定的正则验证可以使用两种方法，一种是直接调用re的匹配函数（将正则表达式以参数传入到函数中更为简洁），函数中的参数为正则表达式和需要匹配字符串；另一种是先创建一个正则匹配对象（使用compile类创建一个正则对象，参数为正则表达式），然后再使用这个对象的方法进行匹配（对compile类对象使用类方法时方法参数只需要传入要进行匹配的字符串）。

import re

# 直接调用re中的方法匹配
email = '265354655@qq.com'
r = r'[\d]+@[\w]+\.com'
m = re.findall(r,email)
print(m)

# 使用compile()方法先创建一个正则表达式对象，后再使用这个类的其他方法进行正则匹配
f = re.compile(r'[\d]+@[\w]+\.com')
m1 = f.findall(email)
m2 = f.match(email)
m3 = f.search(email)
print(m1);print(m2);print(m3)

  

元字符（metacharacters）

在正则表达式中代表某种类型的字符，在直接匹配时，这些字符不是匹配它本身，而是匹配它所代表的一类对象。要想匹配自身就需要使用转义符 \ ,因为正则中需要经常使用转义符，为了防止特殊字符的转义，在表达式前面一般需要用r。

匹配单字符

用来确定匹配字符的类型

.  表示要匹配除了换行符(\n)之外的任何单个字符。在具体字符后面加点，或前面加点，表示匹配这个字符后一个或前一位前一个字符。

[] 匹配指定字符([]中列举出的字符)，^放在[]中表示取非括号里面的集合，具有取反的作用。不带转义符\的元字符在[]中表示字符本身。

\d 匹配0-9数字,相当于[0-9]

\D 匹配非数字符,相当于[^0-9]

\s 匹配任何空白字符,相当于[\t\n\r\f\v]

\S 匹配任何非空白字符,相当于[^ \t\n\r\f\v]

\w 匹配任何字母数字符及下划线_,相当于[a-zA-Z0-9_]或[0-z_]

\W 匹配任何非字母数字字符及下划线_,相当于 [^a-zA-Z0-9_]

修饰元字符

限定匹配字符数量的元字符：用来修饰前一个字符

* 匹配前一个字符出现的次数为0到正无穷，即需要匹配的字符可有可无

+ 匹配前一个字符出现的次数为1到正无穷，即需要匹配的字符至少出现1次

? 匹配前一个字符出现的次数为0或1次

{m} 匹配前一个字符出现的次数为m次

{m,n} 匹配前一个字符出现的次数为m到n次

{m,} 匹配前一个字符出现的次数至少为m次

限定边界的元字符

^ 匹配字符串时对开头字符进行限制，另一种同样作用的匹配/A也是匹配开头

$ 匹配字符串时对结尾字符进行限制，另一种同样作用的匹配/Z也是匹配结尾

\b 匹配一个单词的边界，零宽度的断言，仅在单词开头或结尾匹配。单词被定义为字母数字字符序列，所以单词的结尾由空格或非字母数字字符表示。

\B 匹配非单词边界，零宽度的断言，与的相反\b，只在当前位置不在单词边界时匹配。

a = 'hello python,hellopythonhellopython'
print(re.findall(r'\bhello\b',a))
print(re.findall(r'\Bhello\B',a))

分组匹配

| 匹配|左右任意一个正则表达式（或的关系），注意使用|时，管道符两边不要有空格。

(ab) 将每个括号中的字符作为一个分组拿出存放在元组中，圆括号——分组：正则表达式中表示组选择，每个括号中的内容为一组。组选择可以去掉用来帮助选择的字符。

import re
email = '256984369@qq.com'
r = r'((\w+)((@.+)\.com$))'
em = re.findall(r,email)
print(em)

  

贪婪模式与非贪婪模式

正则默认都是用贪婪模式匹配数据的，会尽可能多的去匹配符合要求的数据。非贪婪模式下，会匹配最短的符合要求的数据。

如下面的代码，需要将每个<>中的内容取出，使用.*或.+会匹配到最大长度的内容，这是.*和.+的贪婪模式，这时需要使用非贪婪模式，在.*或.+后面加？

import re
html = '<post><not><scr><name>'
print(re.findall(r'<.+>',html))
print(re.findall(r'<.*>',html))
print(re.findall(r'<.+?>',html))
print(re.findall(r'<.*?>',html))

  

正则编译方式：表达修饰符

re.A或re.ASCII：默认模式，Unicode模式下匹配完整的ASCII，\w，\W，\b，\B，\d，\D，\s和\S 都适用。

re.I或re.IGNORECASE：忽略区分大小写。

re.M或re.MULTILINE：多行模式，不指定时为默认为单行模式，指定后为多行模式。主要结合^ $ \A \Z的使用。

re.S或re.DOTALL：可以匹配换行符，比使用 . 匹配多了换行符。

re.X或re.VERBOSE：用于对正则的解释说明。

这些编译方式在使用时指明参数flags即可。

import re

# 不区分大小写匹配
st = 'pythonPYTHON'
print(re.compile(r'[a-z]',re.I).findall(st))
print(re.findall(r'[a-z]','pythonPYTHON',flags=re.I))

# 添加正则说明
email = '256984369@qq.com'
print(re.compile(r'''
                    ((\w+)  # 匹配邮箱中的数字
                    ((@.+)  # 匹配邮箱的类型
                    \.com$) # 匹配.com字符
                    )''',re.X).findall(email))

  

其他方法

fullmatch()：匹配整个字符串并返回匹配的结果，如果整个字符串符合表达式就输出match的结果对象，否则为None。

h = '1548'
print(re.fullmatch(r'[\d]+',h))

split()：通过想匹配的正则表达式来分割字符，split（pattern，string，maxsplit = 0，flags = 0 ）

参数：maxsplit表示切割的次数（默认为0），没有这个参数则切取所有符合正则的字符，如果切割字符重复，会切割出空的字符。

print(re.split(r'[a-z]','123a456b789c000d258ef',maxsplit=3))
print(re.split(r'[a-z]','q123a456b789c000d258ef'))

sub()：用来替换匹配到的字符，sub（pattern，repl，string，count = 0，flags = 0 ）

参数：repl用来替换匹配字符的字符，count指定替换的最大次数(默认为0)，如果没有这个参数则默认替换匹配到的所有字符。

print(re.sub(r'[oy]','&','python python',3))

更多用法：https://docs.python.org/3/library/re.html#re-syntax

参考网站：https://www.runoob.com/python3/python3-reg-expressions.html